生物学の複雑さは無視できない問題を生み出す
Blog Post
カテゴリー：その他
科学は再現性に支えられていますが、生物学的システムにおいて一貫した結果を得ることは、しばしば大きな課題となります。生体システムが本質的に持つ複雑さゆえに、再現性の高い結果を得ることは決して容易ではありません。では、こうした再現性の欠如にはどのような要因が関与しているのでしょうか？本記事では、研究の質とトランスレーショナル・バリュー（橋渡し研究としての価値）を高めるために、変動要因を理解することがなぜ重要なのかを探り、以下の点について考察します。
- 断片的なデータ収集では、動的に変化する生物学的システムに内在する重要な変動を見逃してしまうリスクがある理由
- 個体間のばらつきが、実験結果を不明瞭にしたり、解釈を歪めたりする仕組み
- コホート規模が小さいと、信頼性の高い統計的検出力を得ることが困難になる理由
再現性の危機を理解する
生物学は本質的に複雑であり、前臨床研究の試験計画においては、結果のばらつきをもたらす要因がしばしば見落とされがちです。特に前臨床の動物実験では再現性が低いと指摘されており、発表された研究結果のうち、半数以上が再現不可能とされています。その結果、米国だけでも年間280億ドルのコストが発生していると推定されています。 『Nature Reviews Neuroscience』誌に掲載されたVoelklら（2020）の論文 では、この危機の主な原因として、試験計画において生物学的変動が長年にわたり軽視されてきた点が指摘されています。研究においてこうした変動性が十分考慮されていない場合、その結果は普遍的な生物学的真実を反映していない可能性があります。そのため、動物実験で有望とされた結果が、ヒトを対象として臨床試験では再現されないことが繰り返され、多大なコストを伴う臨床応用の失敗につながっています。
変動要因を考慮せず、再現性や橋渡し研究としての価値を損なう恐れのある従来の手法には、主に以下の3つの落とし穴があります。
① 断片的なデータ収集では、動的な生物学的データを捉えきれない落とし穴
生物学、特に動物の全身の生物学は動的なものです。遺伝子発現やホルモンレベル、免疫活動、行動といったさまざまな要素はいずれも、時間の経過や明暗サイクル、成長段階、疾患の進行に伴って変化します。また、生物学は複数の複雑なシステムから成り立っており、その個々の要素を単独で研究するだけでは、その全体像を説明も予測もできません。そのため、複数の適切な指標を用いて評価する必要があります。
断片的に（複数の異なる時点で）収集されたデータでは、全体像を見失うリスクがあります。 Rosaら（2012） は遺伝子発現研究においてこの点を実証し、適切なタイミングでサンプリングを行うことによって、意味のある生物学的シグナルを検出する可能性が大幅に高まることを示しました。行動研究においては、これはある１回の観察が、その個体の安定した特性ではなく、その時点におけるその個体の生物学的サイクルの段階を反映しているに過ぎない場合があり、検出された変動自体は実際に存在するものであっても、適切に状況を考慮しないと、解釈を誤る恐れがあるということを意味しています。
② 個体間のばらつきが一貫性を覆い隠してしまう落とし穴
モデル間の個体差は、たとえ近交系の個体であっても、反応が見られる側面や反応の性質の両方に存在する可能性があります。このような変動性を適切に考慮しなければ、研究者は実験計画や解析において、それを現実的に反映することはできません。変動性を無視したり、あるいは検出できなかったりすると、そのばらつきが実験群全体に均等に分布している可能性は低いため、結果として明確なシグナルを特定することが困難になる恐れがあります。
Van der Gootら（2021） は、そのことを実証的に示しました。Van der Gootらは、まずデータ駆動型のクラスタリング手法を用いてマウスを行動反応タイプ別に分類しました。そのうえで、反応タイプに基づいて実験群をマッチングさせたグループと、このような変動性を考慮せずに構成したグループの結果を比較しました。その結果、2つのグループの結果には、意味のある差が認められました。反応タイプに合わせて調整したグループでは、回避行動に関する交絡効果が認められましたが、もう一方のグループでは同様の効果は見られず、個体差が制御されていないことで、一般行動に対する投与効果が実際以上に強調されて見える可能性が示されました。したがって、グループの構成によっては、個体差が効果を覆い隠したり、結果の誤った解釈を招いたりする可能性があります。こうした検証が可能であったのは、著者らが実験前に動物の特性を事前に把握していたからであり、システム内の変動要因を事前に特定することの重要性を明確に示しています。
③ 十分な統計的検出力を得るのが難しいという落とし穴
コホート規模が小さいと、結果が偶然によって真の効果から逸脱する「サンプリング誤差」が生じる可能性があります。この誤差は個体数を増やすことで低減できますが、そうすることで、倫理的および規制上の懸念が生じます。その結果、小規模なグループを用いた研究では、生物学的変動を正確に反映できない可能性があります。 Buttonら（2013） は、神経科学の研究におけるサンプルサイズが小さいと、信頼性の低い結果や偽陽性が生じることを示しました。コホートサイズを拡大できない場合は、より多くのデータポイントを収集するか、関連するさまざまな指標を測定することが妥当なアプローチとなるでしょう。
落とし穴への対処
生物学的システムの複雑さを考えると、動物実験の結果の解釈が難しいのは当然のことです。使用するシステムの特性を事前に明らかにし、理想的な測定タイミングや個体差を生み出す要因を特定することは、研究成果の向上につながる有望なアプローチです。さらに、より多くの、あるいは多様な指標を測定することで再現性が向上します。特に、検討する生物学的反応とは独立して生じるシステム内の変動を識別可能な多次元的な関係分析と組み合わせることで、その効果は一層高まります。
技術の進歩により、研究者は動物の使用数を増やすことなくデータ収集の規模を拡大できる選択肢を手にするようになりました。例えば、動物の複数のエンドポイントを同時に、かつ継続的に観察できるデジタルモニタリング技術など、より多くの生物学的指標を捉える手法は、測定回数の増加と測定タイミングの最適化の両方を実現します。さらに、こうしたデータの多次元的な関係分析にAIを体系的に適用することは、これらのプラットフォームが持つ将来性を大きく広げるものです。厳密な方法でこれらの技術を活用する研究者にとって、今後の研究環境は非常に明るいと言えるでしょう。
